Side scatter light for micro-size differentiation and cellular analysis
Notice bibliographique
Résumé
High resolution 2D side scatter patterns from polystyrene beads were obtained by using an integrated microfluidic waveguide cytometer. A He-Ne laser beam was prism-coupled into a microfluidic chip, and waveguide modes were excited to illuminate a single scatterer. While immobilizing a single scatterer on chip in the observation window area, high resolution 2D scatter patterns were obtained by using a CCD array located beneath the microchip. This cytometer is sensitive to variations in both the refractive index and the size of a single scatterer. Fourier transforms of Mie simulation results from a single scatterer show that forward scattered light at large angles is optimal for micro-size differentiation. While side scatter light was reported to contain rich information about organelles in a single cell, we show here that side scatter light can be used to perform fast micro-size differentiation and cellular analysis. A cross section scan of the experimental scatter pattern gives an oscillation distribution of the scattered intensity. This oscillation has a frequency that is typical for a given micro-size scatterer. A Fourier method for quick micro-size differentiation is reported, based on the comparisons between the Mie simulations and the experimental results. Finite-difference time-domain (FDTD) simulations of single white blood cells in the waveguide cytometer are studied, which allows extraction of microstructural and nano-structural information from single cells.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».